BP网络模型的改进方法综述

介绍了BP网络模型、BP算法、BP算法存在的问题及其原因、针对BP算法三个主要问题（隐层数及隐层节点个数的难以确定、收敛速度较慢,易陷入局部极小点）的改进方法进行了探讨,提出了动量法、遗传算法、混沌法等方法。     

基于遗传算法的BP网络优化研究

提出了一种改进的自适应遗传算法(IAGA)，它利用网络结构的特点，采用前向自适应技术，实现对神经网络的有效训练．仿真实验表明，该算法优于BP算法和标准遗传算法(BGA)，网络训练质量和效率都有很大提高．     

基于BP遗传算法的铝型材挤压模具优化设计

型材挤压模具寿命的高低,与模具的结构形状及几何尺寸有很大关系。通过用ＢＰ神经网络建立型材挤压模具的数学模型,用弹性有限元法计算模具内部各 点的等效应力值并作为ＢＰ神经网络训练的导师信号,再结合遗传算法优化模具结构,建立了铝型材挤压模具的力能参数实时计算系统和几何参数优化设计系统。研究表明：采用本方法设计的方管铝型材挤压模具,其危险点处的等效应力降低了３９．１％,且应力集中现象明显减小,模具结构趋于     

基于遗传LM算法的前馈神经网络优化训练

本文采用遗传学习算法和LM（Levenberg-Decquardt)算法相结合的混合算法来训练前馈人工神经网络(Feed Forward Network)，即先用遗传学习算法进行全局寻优，再用LM算法进行精确训练，使网络避免局部极小并加快网络的收敛速度。     

基于IGA的多层神经网络BP算法及在系统辨识中的应用

本文针对用GA训练NN权值时，花费的代价随精度的提高而剧烈增加的缺陷，提出了一种利用IGA较强的全局搜索能力和IBPA较强的局部搜索能力的结合算法，先利用IGA优化多层前馈神经网络的权值，然后再用IBPA提高搜索精度，有效地避免了IBPA易陷入局部极小点和IGA过早收敛的缺点，实验结果表明，此算法是有效的。     

基于结构和参数智能优化的神经网络数值预测方法研究

针对BP神经网络数值预测中结构不易确定、易陷入局部最小等问题,利用遗传算法,采用二进制编码方式优化网络结构,采用浮点数编码方式优化网络参数;利用粒子群算法进一步改善网络参数,减少算法耗时,提高预测精度。仿真验证了算法的有效性。     

基于神经网络遗传算法的木薯秸秆切割优化设计

选取木薯秸秆切割试验中的切割角度、切割速度、切割部位、木薯直径等控制变量及相关响应变量,通过非线性回归模型和BP神经网络模型进行拟合,分别研究响应变量与控制变量之间的作用机理;对模型进行对比,优化响应变量的作用机理。     

一种基于遗传操作的神经网络混合训练算法

介绍了一种改进遗传算法的基本操作,并讨论了综合应用遗传算法及ＢＰ算法进行神经网络的权值训练。通过实例比较和分析了这种混合算法与ＢＰ算法的实验效果。     

基于遗传算法的BP网络优化研究

提出了一种改进的自适应遗传算法(IAGA),它利用网络结构的特点,采用前向自适应技术,实现对神经网络的有效训练.仿真实验表明,该算法优于BP算法和标准遗传算法(BGA),网络训练质量和效率都有很大提高.     

基于结构式二进制编码的遗传算法在及其在BP网络中的应用

根据BP网络的拓扑特征,本文设计了基于结构式二进制编码的遗传算法,在该算法中,通过先将庞大的解空间进行分解处理,再将分解后的子空间视为个体进行遗传操作,能借助遗传算法的优势在全局范围内搜索到最优解所在的子空间,从而为下一步应用BP算法进行局部搜索明确了起点,缩小了范围,有效解决了BP算法易陷入局部极小,收敛速度慢甚至不收敛等问题,最后,通过字母识别试验证明了该算法的效率。     

CFD结合遗传算法优化室内热舒适性参数

在遗传算法中直接调用CFD程序优化室内空气质量的模型需要消耗大量时间,针对此问题,文中提出了CFD结合遗传算法对模型进行寻优并替代该模型。通过CFD建立教室模型并输出相关数据,使用BP神经网络建立CFD模型的替代模型,并根据PMV指标和空气龄数据建立遗传算法的目标函数,设置不同的权重对该模型寻优,然后与原CFD模型做比较。结果表明,CFD结合遗传算法可以很好地替代用遗传算法中直接调用CFD程序优化的模型,缩短了时间,改善了室内空气质量。     

Extended Range Guided Munition Parameter Optimization Based on Genetic Algorithms

Many factors influencing range of extended range guided munition （ERGM） are analyzed. The definition domain of the most important three parameters are ascertained by preparatory mathematical simulation, the optimized mathematical model of ERGM maximum range with boundary conditions is created, and parameter optimization based on genetic algorithm （GA） is adopted. In the GA design, three-point crossover is used and the best chromosome is kept so that the convergence speed becomes rapid. Simulation result shows that GA is feasible, the result is good and it can be easy to attain global optimization solution, especially when the objective function is not the convex one for independent variables and it is a multi-parameter problem.     

基于Matlab的PID参数单纯形寻优设计

文章分析了单纯形算法的基本原理,研究了PID控制器的数学模型,用Matlab设计出单纯形寻优程序对PID参数进行优化,并运用GUI设计了一个直观实用的用户界面。采用的优化目标函数在寻优过程中单调减小,说明单纯形算法优化PID参数是有效的。优化后的系统阶跃响应曲线显示,系统的静态和动态指标都达到了要求,优化效果较好。     

遗传算法结合反设计的翼型优化设计研究

针对传统的气动外形优化设计存在计算量大、精度低的不足，以及采用余量修正方法的气动外形反设计存在难以提供合理目标压力的难题，为了提高已有气动外形设计方法的工程实用性，创新性地将优化方法中的遗传算法与反设计的余量修正方法相结合，并采用高精度的CFD分析方法，进行了翼型的气动外形设计。设计实践表明，文中的气动外形设计方法是可行的，且由于在优化方法和反设计方法中采用了不同的CFD分析方法，提高了气动外形设计的效率和精度。     

基于遗传算法的神经网络振动钻削参数优化

应用人工神经网络进行振动钻削仿真与参数优化时常用逆映射BP网 ,而BP网的逆映射极易陷入局部极小点。本文提出利用遗传算法与BP网的混合系统进行参数优化。实验结果表明 ,遗传算法是一种全局优化方法 ,可有效地应用于机械加工领域 ,为振动钻削的参数优化提供了一个新的研究方法。     

改进自适应遗传算法的结构优化设计

介绍了离散变量的结构优化设计方法——遗传算法(Genetic Algorithms)的来源和运行参数。考虑到遗传算法在运算过程中表现出的缺点以及交叉率和变异率的选取对遗传算法的搜索能力和搜索效果的影响,同时为了提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行了改进,引入一种基于个体适应度值的自适应遗传算法。并通过算例表明这种改进自适应遗传算法较基本遗传算法是更有效的,提高了算法的运行效率和计算精度。     

基于纵横交叉算法优化BP神经网络的风机齿轮箱故障诊断方法

风电机组齿轮箱的运行工况比较复杂,容易发生故障. 针对常规BP（Back Propagation）神经网络故障诊断容易陷入局部最优的问题,提出一种基于纵横交叉算法（Crisscross Optimization Algorithm,CSO）优化BP神经网络的风电齿轮箱故障诊断新方法. 考虑到风电齿轮箱振动信号的波动性和非线性,首先从信号中提取故障特征参数,建立带评价因子的误差分析模型,然后通过纵横交叉算法优化BP的权值和阈值对神经网络进行训练,最后用训练好的神经网络对样本进行测试. 经实验仿真并与其他方法的对比,验证了本文方法用于风电机组故障诊断有效性及优越性.     

The tool for building an NN based on improved BP algorithm

0　ＩＮＴＲＯＤＵＣＴＩＯＮＢａｃｋ ｐｒｏｐａｇａｔｉｏｎＡｌｇｏｒｉｔｈｍ (ＢＰ)ｉｓａｖｅｒｙｕｓｅｆｕｌａｌｇｏｒｉｔｈｍｉｎｍａｎｙａｓｐｅｃｔｓ.Ｂｕｔｉｔｈａｓｔｈｅｆｏｌｌｏｗｉｎｇｐｒｏｂｌｅｍｓ:①Ｔｈｅｌｏｃａｌｌｅａｓｔｐｒｏｂｌｅｍｉｎｅｖｉｔａｂｌｅｄｕｅｔｏｉｔｓｎｏｎ ｌｉｎｅａｒｏｐｔｉｍｉｚｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃ②Ｔｈｅｓｌｏｗｃｏｎｖｅｒｇｅｎｔｓｐｅｅｄ③Ｌａｃｋｏｆａｃａｄｅｍｉｃｇｕｉｄａｎｃｅｆｏｒｔｈｅｈｉｄｄｅｎｎｏｄｅｓ’ｎｕｍｂｅｒｃｈ…     

遗传模拟退火算法在结构优化设计中的应用

遗传算法、模拟退火算法都是随机搜索方法,在处理全局优化、离散变量、多连通可行区等困难问题中,具有传统结构优化算法不可比拟的优势.笔者针对遗传算法和模拟退火算法的特点,取长补短,结合成一种混合遗传算法—遗传模拟退火混合算法.经改进后的混合算法既发挥了遗传算法全局搜索能力强的特点,又保留了模拟退火算法局部寻优效果好的优点.